Salut - Je suis encore nouveau dans les scripts jsl et j'essaie d'écrire un script qui crée et enregistre quatre nouvelles colonnes en fonction de mon ajustement de régression linéaire :
- intervalle de confiance moyen inférieur à 95 %
- Intervalle de confiance moyen supérieur à 95 %
- intervalle de confiance individuel inférieur à 95 %
- intervalle de confiance individuel supérieur à 95 %
obj = Fit Model(
Y( :LOG_ECOLI_PEAR ),
Effects( :LOG_TURB_PEAR_FNU),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Leverage" ),
Run(:LOG_ECOLI_PEAR
)) ;
obj << Prediction Formula;
Merci!
Salut @learning_JSL ,
C'est en fait très facile. Tout ce que vous avez à faire est d'ajouter quelques lignes de code à votre JSL existant et le tour est joué. Pendant que vous y êtes, je vous suggère fortement d'utiliser l'index de script sous le menu Aide - c'est TRÈS utile.
Pour l'IC moyen, vous ajouterez le code : obj << Intervalle de confiance moyen ; et pour les CI individuels, vous ajouterez obj << Indiv Confidence Interval;. La valeur par défaut est pour un alpha de 0,05 (correspondant à votre +/- 95 %, mais vous pouvez spécifier n'importe quel alpha que vous voulez, par exemple : obj << L'intervalle de confiance moyen (0,1) correspondrait à des IC de +/- 90 %.
Vous trouverez ci-dessous un code que vous pouvez essayer à l'aide du fichier Diabetes.jmp.
J'espère que cela t'aides!,
DS
Names default to here(1);
dt=Open("$SAMPLE_DATA/Diabetes.jmp");
obj_fit = Fit Model(
Validation( :Validation ),
Y( :Y ),
Effects(
:Age, :Gender, :BMI, :BP, :Total Cholesterol, :LDL, :HDL, :TCH, :LTG,
:Glucose
),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Leverage" ),
Run(
:Y << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
Parameter Estimates( 1 ), Lack of Fit( 0 ), Scaled Estimates( 0 ),
Plot Actual by Predicted( 1 ), Plot Regression( 0 ),
Plot Residual by Predicted( 1 ), Plot Studentized Residuals( 0 ),
Plot Effect Leverage( 1 ), Plot Residual by Normal Quantiles( 0 ),
Box Cox Y Transformation( 0 )}
)
);
obj_fit << Prediction Formula;
obj_fit << Mean Confidence Interval;
obj_fit << Indiv Confidence Interval;
